一：介绍：
- Pandas是用于数据分析的开源Python库，可以实现数据加载，清洗，转换，统计处理，可视化等功能
- DataFrame和Series是Pandas最基本的两种数据结构
- DataFrame用来处理结构化数据（SQL数据表，Excel表格）
- Series用来处理单列数据，也可以把DataFrame看作由Series对象组成的字典或集合。
二：安装pandas:
1：进入虚拟环境：conda activate python39
2：安装pandas: pip install pandas
三：加载数据集与展示数据：
- 1：导入pandas包：import pandas as pd
- 2：读取csv文件：df = pd.read_csv(‘路径’)
- 3：展示前5条记录：df.head()
- 4：展示的时候用空格隔开：df = pd.read_csv(‘路径’, sep=’\t’)
- 5：查看返回的数据类型：type(df)
- 6：获取得到数据的行数和列数：df.shape
- 7：获取得到数据的列名：df.columns
- 8：获取每一列的数据类型：df.dtypes / df.info
<案例一>： 展示前5条数据：
<案例二>： 展示的时候用空格隔开：
<案例三>： 查看返回的数据类型：
<案例四>： 获取所有的行数和列数以及列名：
<案例五>：获取每一列的数据类型：
四： 查看部分数据：
- 1：加载某一列的数据：df[‘列名’]
- 2：加载多列的数据：df[[‘列名1’， ‘列名2’， ‘列名3’]]
- 3：获取指定行的数据：data = df.loc[0]
- 4：获取最后一行的思路：先获取总函数-1拿到下标，然后获取指定行。
- 5：获取最后一行/最后几行：df.tail(n = 1)
- 6: df.loc 与 df.tail 与 df.head 的获取数据的区别： loc拿到的是Series对象，head拿到的是DateFrame对象。
- 7：loc通过索引获取多行数据：data = df.loc[[0, 99, 999]]
<案例一>： 加载一列/多列数据：
<案例二>： 获取第1行和第100行数据，以及最后一行数据：
<案例三>： 获取最后一行/最后3行：
<案例四>： df.loc 与 df.tail 与 df.head 的获取数据的区别：
五：iloc与loc的区别：
- 1：iloc传入的是索引的序号，loc传入的是索引的标签。
- 2：iloc可以传入-1获取最后一行的数据，但是loc不能传入-1,因为索引标签中没有-1这个标签。
- 3：loc和iloc都可以获取指定的列或者行的数据。
- 4：iloc可以使用切片获取哪一列。
- 5：两个都可以获取指定行且指定列。
- 6: 当然也可以获取多行多列，行iloc也可以用切片。
<案例一>：loc 与iloc分别获取列数据和行数据：
<案例二>： 获取0-4列：
<案例三>：iloc使用切片获取下标为3 4 5三列：
<案例四>： loc与iloc获取指定的行指定的列。
六：分组与聚合计算：
案例一：按照年进行分组，然后统计分组后的平均寿命：
案例二：按照年份和大洲进行分组，统计组内的平均年龄和平均GDP:
结果发现：输出的结果中 year continent 和 lifeExp gdpPercap 不在同一行， year continent两个行索引存在层级结构。如何去掉这种层级关系？
案例三：统计每个大洲列出了多少个国家和地区？
nunique统计唯一值的数量。
先根据大洲进行分组，然后得到大洲的字符串，最后统计字符串唯一的数量。
七：基本的绘图功能：
1: 安装：matplolib
2：使用plot()绘制图片：
